Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
現場の開発者でもできるユーザー中心かつ 仮説検証型の企画アプローチ
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
shida
June 21, 2014
Research
3k
0
Share
現場の開発者でもできるユーザー中心かつ 仮説検証型の企画アプローチ
HDIfes第3回「面白いことに育てるために『考える』」での発表資料です。
shida
June 21, 2014
More Decks by shida
See All by shida
受託開発で ビジネスづくりを楽しむ
shida
0
2.6k
受託アジャイルでの契約書作り請求や、外注パートナーへの支払いスキームまで
shida
0
950
スクレイピングの安定運用のために苦労したところ、工夫したところ
shida
4
2.2k
DevLOVEリンスタカフェ vol.7
shida
1
220
DevLOVE リンスタカフェ vol2 成長を促すKPIが見つからん
shida
0
150
ユーザーが「それいいね!」と言うまで
shida
0
3.4k
ハイブリッドアプリの 受け入れテスト自動化
shida
0
250
SkypインタビューとKA法による分析
shida
4
1k
CucumberによるHTML5アプリの 受け入れテスト自動化
shida
1
530
Other Decks in Research
See All in Research
Research Engineerという仕事 / Research Engineering: Bridging Research and Business
chck
1
180
世界モデルにおける分布外データ対応の方法論
koukyo1994
7
2.2k
LLM Compute Infrastructure Overview
karakurist
2
1.4k
LLM の Attention 機構まとめ — 数式・計算量・メモリ
puwaer
7
2k
CyberAgent AI Lab研修 / Social Implementation Anti-Patterns in AI Lab
chck
7
4.6k
The mathematics of transformers
gpeyre
0
290
[チュートリアル] 電波マップ構築入門 :研究動向と課題設定の勘所
k_sato
0
460
[BlackHatAsia2026] Hidden Telemetry: Uncovering TraceLogging ETW Providers You're Not Using (Yet)
asuna_jp
1
490
LLMアプリケーションの透明性について
fufufukakaka
0
230
都市交通マスタープランとその後への期待@熊本商工会議所・熊本経済同友会
trafficbrain
0
220
AIエージェント時代のLLM-jpモデルのあるべき姿
k141303
0
430
ブレグマン距離最小化に基づくリース表現量推定:バイアス除去学習の統一理論
masakat0
0
270
Featured
See All Featured
AI: The stuff that nobody shows you
jnunemaker
PRO
8
690
Build The Right Thing And Hit Your Dates
maggiecrowley
39
3.2k
How to train your dragon (web standard)
notwaldorf
97
6.7k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.8k
Future Trends and Review - Lecture 12 - Web Technologies (1019888BNR)
signer
PRO
0
3.6k
Bioeconomy Workshop: Dr. Julius Ecuru, Opportunities for a Bioeconomy in West Africa
akademiya2063
PRO
1
130
Avoiding the “Bad Training, Faster” Trap in the Age of AI
tmiket
0
170
AI Search: Implications for SEO and How to Move Forward - #ShenzhenSEOConference
aleyda
1
1.3k
Writing Fast Ruby
sferik
630
63k
エンジニアに許された特別な時間の終わり
watany
107
250k
Embracing the Ebb and Flow
colly
88
5.1k
Navigating the moral maze — ethical principles for Al-driven product design
skipperchong
2
380
Transcript
ʮݱͷ։ൃऀͰͰ͖ΔϢʔβʔத৺͔ͭ ԾઆݕূܕͷاըΞϓϩʔνʯ 2014.06.21 גࣜձࣾϏʔɾΞδϟΠϧ ࢤా ༟थ
ࣗݾհ ࢤా ༟थ PG (2002)→ SE (2004)→ CTO(2006)→ಠཱ (ג)ϏʔɾΞδϟΠϧ(2012) ελʔτΞοϓࢧԉ
WebαʔϏεɺεϚϗΞϓϦͷ։ൃ(Rails, RubyMotion) ΞδϟΠϧ։ൃɺϦʔϯɾελʔτΞοϓͷ׆༻ @shida(twitter), shida1977(Facebook)
ࠓͷ༰ ։ൃऀ(։ൃձࣾ)اըʹͬͱ͔͔ΘΒͳ͍ͱ μϝͳͷͰ? ͦ͏ͳΔͨΊʹࢲ͕औΓΜͰ͍ΔࣄɺͳͲ
ͱ͋Δ৽نࣄۀͷࣦഊࣄྫ ͦͷϓϩδΣΫτ2͍ؒͭͮͨ 4िؒ1εϓϦϯτͰ࣮֬ʹσϦόϦʔ͠ଓ͚ͨ มԽΛ๊༴͚ͭͮͨ͠ ސ٬୲ऀຬ͍ͯͯ͠৴པ͕ؔߏஙͰ͖͍ͯͨ Ͱɺऩӹ্͕Βͳͯ͘ɺΉ͠ΖͲΜͲΜམ͍ͪͯͨ ͍ͭʹ։ൃ༧ࢉਚ͖ͨ ࣾ୲ऀʹݴͬͨ
ೋͱ͋ͷձࣾʹ ࣄΛ;Δͳ
ͳʹ͕ѱ͔ͬͨͷ͔? ཁٻΛͯ͑ͨ͢ͷʹ
࡞Δࣄ͕ తʹͳͬͯ·ͨ͠ɻ Ͱ
ݴΘΕͨ௨Γ࡞ͬͯ Ϗδωε͕͏·͘ ߦ͘ͱݶΒͳ͍
Ϗδωε͕ޭ͠ͳ͚Εɺ ୭ϋοϐʔ͡Όͳ͍
ϕϯνϟʔϒʔϜ࠶ͼ − NHKχϡʔε ͓Α͏ຊ ຊ֨తىۀϒʔϜ౸དྷͷஹ͠ʙएऀͷແ͞ͱϓϩܦӦऀͷίϥϘΛ ࢧԉ͢Δڥ͏ − Ϗδωεδϟʔφϧ ϕϯνϟʔϒʔϜ࠶དྷɺࠓ࣌ͷϕϯνϟʔىۀՈͷಛͱʁʂ −
MRI Online ࠓͷىۀՈ͕ͨͪ͜͜ҧ͏ ϕϯνϟʔϒʔϜ࠶དྷ − WEDGE Infinity ຊʹελʔτΞοϓϒʔϜ͕͖ͬͯͨ − ౦༸ܦࡁΦϯϥΠϯ ͱ͜ΖͰɺɺɺ ۙͷελʔτΞοϓϒʔϜ
ग़య: Running Lean ৽نࣄۀͷ9ׂࣦഊ͢Δ
ग़య: Running Lean ޭͨ͠ελʔτΞοϓͷ2/3 ॳͷϓϥϯΛ్தͰ େ෯ʹมߋ͍ͯ͠Δ
มԽΛ๊༴ͤΑ ༷มߋى͜Δͷ͕͋ͨΓ·͑ͳࣄͱͯ͠ॲཧͰ͖ΔΑ͏උ͑Δ มԽΛىͤ͜! มԽΛى͜͢͜ͱ͕ඞཁͰ͢ɻͨͩɺରԠ͢ΔͷͰ͋Γ·ͤΜɻ มԽΛ୯ʹͭΜ͡Όͳͯ͘ɺࣗΒมԽΛى͜͢ͷͩɻ ग़య: http://qiita.com/TsuyoshiUshio@github/items/28f4c127c911170cad49#3-23 ελʔτΞοϓϓϩάϥϚͷҝͷ ৽ΞδϟΠϧϚχϡϑΣετ by
Kent Beck
͜͏͍ͬͨϜʔϒϝϯτͷ ݩʹͳ͍ͬͯΔͷ͕ ϦʔϯɾελʔτΞοϓ
܁Γฦ͠ܕͷΞϓϩʔν Ϣʔβʔத৺ܕΞϓϩʔν ԾઆݕূܕͷՊֶతΞϓϩʔν ϦϯελͷΤοηϯε(ࢲͷղऍ)
ϦϯελͷΤοηϯεᶃ ܁Γฦ͠ܕͷΞϓϩʔν σϦόϦΛग़དྷΔ͚ͩසൟʹ ૣظʹϦεΫͳࣦഊͰֶͿ
ϦϯελͷΤοηϯεᶄ Ϣʔβʔத৺ܕΞϓϩʔν ϓϩμΫτΦʔφʔ(Business): ʮAͷΞΠσΟΞઈରߦ͚Δɻ ΦϨ͕ݴ͏௨Γ࡞ͬͯ͘ΕΕ ͍͍!ʯ UXσβΠφ(UX): ʮϢʔβʔBͷ՝Λղܾ͠ ͕͍ͨͬͯ·͢ʯ ٕज़ऀ(Tech):
ʮ͜ͷBͷ՝Xͷٕज़Λ ͑ղܾग़དྷΔ͔Ͱ͢Ͷʯ 3ͭͷࢹͷόϥϯε͕औΕͨ ιϑτΣΞΛࢦ͢ ΠϯλϏϡʔɺߦಈ؍ɺΞϯέ ʔτɺΞΫηεղੳΛۦ͠ɺ Ϣʔβʔͷ࣮ଶ͔ΒΞϓϩʔν
ϦϯελͷΤοηϯεᶅ ԾઆݕূܕͷՊֶతΞϓϩʔν ΞΠσΟΞԾઆ ূ͞ΕΔՄೳੑ͋Γɺجຊٙͬ ͔͔ͯΔ Ծઆͷਖ਼͠͞Λཱূ͢Δํ๏Λܾ Ίɺߏங͠ ࣮ݧͯ͠ଌఆ͠ ੳͯ͠Ծઆ͕ਖ਼͍͔͠ݕূ͢Δ ϏδωεΞΠσΟΞιϦϡʔγϣ
ϯͷͬͱجૅతͳ෦͔Βɺ ਖ਼͠͞ͷΤϏσϯεΛੵΈ্͛Δ
ϦϯελͷΤοηϯεᶅ ԾઆݕূܕͷՊֶతΞϓϩʔν Ծઆ͕ূ͞ΕͨΒاըΛมߋ (=ϐϘοτ) ৽͍͠ԾઆΛཱͯͯ࠶ͼνϟϨ ϯδ ϐϘοτΛ܁Γฦͯ͠ɺاը͕ ऩଋͯ͠ߦ͘Πϝʔδ
ϦʔϯɾελʔτΞοϓత ΞϓϩʔνͰϏδωεͷ ޭ͕͕֬͋ΔΜͰ? (গͳ͘ͱݴΘΕͨͷΛͦͷ··࡞Γ͚ͭͮΔΑΓ)
ՊֶతΞϓϩʔν͔ͩΒ ϓϩηεΛϚελʔ͢Ε ։ൃऀͰऔΓΊΔ (ܦݧηϯε͕ͳͯ͘)
ΞδϟΠϧ։ൃ(Τοηϯεᶃ) ٕज़ऀࢹͰͷΞΠσΟΞఏڙɺ࣮ݱՄೳੑͷ୲อ(Τοηϯε ᶄTechύʔτ) UXσβΠϯͷϓϩηεΛཧղ͠ɺ࣮ࢪͷͨΊͷࢧԉ(ΤοηϯεᶄUX ύʔτ) Ծઆݕূ࣮ࢪͷࢧԉ(Τοηϯεᶅ) ελʔτΞοϓ(৽نࣄۀ)ͷதͰ ։ൃऀ͕୲ͬͯߦׂ͖͘(ఏҊ)
ΦϨͷاըʹؒҧ͍ͳ͍ɺݴͬͨ௨Γ࡞ͬͱ͚ Ծઆݕূͯ͠Δ࣌ؒۚͳ͍ɺ։ൃʹઐ೦͠Ζ Ϧϯελಋೖʹ͋Γ͕ͪͳোน
ϏδϣϯΛ৴͡Δ ΞΠσΟΞͰউෛ͢Δ σʔλΛࣔ͢ ͱ͜ͱΜ͠߹͏ ࣙΊΔͬͯݴ͏ Ϧϯελಋೖʹ͋ͨΓ͋Γ͕ͪͳোนᶃ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦ
اըͷࠜຊͱͳΔ෦=Ϗδϣϯɻ͜͏͢ΕṶ͔Δɻੈͷத͕มΘΔɻ Ϗδϣϯͬͱॏཁ ͦͷࣗ৴ɺ͕ɺώτɾΧωɾϞϊͷݯ νʔϜҰؙͱͳͬͯͦΕΛ৴͡Δ ʮ͋ͳͨͷϏδϣϯʹಉҙ͍ͯ͠·͢ʯ ϏδϣϯΛ؏͖ͭͭɺUXɺTechΛຬͨ͢ಓΛࡧ͢Δɺͱઆ໌ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦᶃ ϏδϣϯΛ৴͡Δ
ϓϩμΫτΦʔφʔʮ͓͒!ʯͱೲಘ͢ΔΑ͏ͳΞΠσΟΞΛग़͢ ͦͷͨΊʹҰ୴ඇެೝͰUXσβΠϯΛ࣮ࢪ͢Δ ΞΠσΟΞ͕Α͚Ε࠾༻͞ΕΔ͠ɺͦΕΛಋ͍ͨUXɾԾઆݕূ͋ ΔఔೝΊΒΕΔ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦᶄ ΞΠσΟΞͰউෛ͢Δ
ϢʔβʔςετΛඇެೝͰ࣮ࢪͯ͠ɺૢ࡞͍ͯ͠Δө૾ΛݟͤΔ ΞΫηεղੳΛߦ͍ੳ݁ՌΛݟͤΔ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦᶅ σʔλΛࣔ͢
ϝϦοτɾσϝϦοτΛཧ͢Δ ઌߦࣄྫɺޭࣄྫΛࣔ͢ ಋೖϦεΫͷ͞Ͱઆಘ͢Δ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦᶆ ͱ͜ͱΜ͢
·ͭͱ ʮ͓લ͕Ͳ͏ࢥͬͯΑ͏͕ؔͳ͍ɺԶͷݴͬͨ࡞Εʯ͍ͬͯ͏ͷϦεϖΫτ͞Εͳ͍Θ͚Ͱ͢ΑͶɻ ࣭ ϦεϖΫτ͞Ε͍ͯͳ͍ঢ়ଶͷਓୡ͍Δͱࢥ͍·͕͢ɺͦ͏͍͏ਓͲ͏ͨ͠Βྑ͍Ͱ͔͢Ͷʁ ·ͭͱ ΊΔɻ ͘͢͝զຫ͢Δਓ͕ଟͯ͘ɺܠؾ͕͘͢͝ѱ͍ͷଓ͍͍ͯͯɺ͜͜ʹ͍ͳ͍ͱχʔτʹͳͬͯ͠·͏͔͠Εͳ͍͍ͬͯ͏ڪාײ͋Δͱ ࢥ͏Μ͚ͩͲɺͦͷϦεϖΫτ͠ͳ͍ਓʹରͯ͠ไͪ͠Ό͏ͱɺͲΜͲΜཱ͕Լ͕͍ͬͯ͘ɻ ࠷ऴతʹౕྴʹͳͬͪΌ͏ɻITౕྴʹɻ ͦΕμϝͩͱࢥ͏ͷͰɺͲ͏͢Δ͔͍ͬͯ͏ͱɺੲ͔Βͦ͏͍͏࣌ཚΛى͜͢ɻͦ͏͍͏ΤϯδχΞΛϦεϖΫτ͠ͳ͍࿈தݟࣺͯΔͬ
͍ͯ͏ɻ Ͳ͏ͤΤϯδχΞ͕͍ͳ͚ΓΌγεςϜ࡞Εͳ͍Μ͔ͩΒɻ ΦϨͷاըʹؒҧ͍ͳ͍ͷରࡦᶇ ࣙΊΔͬͯݴ͏ ग़య: ʮITౕྴԽʹضΛͦ͏ʯ VASILYٕज़ސ ·ͭͱΏ͖ͻΖࢯΠϯλϏϡʔ http://tech.vasily.jp/2014/06/vasily_matz/
࣌ؒɺίετͰԾઆݕূ͢Δ͜ͱ ίʔυΛॻ͔ͣʹݕূ͢Δ खൈ͖ίʔυ(ϓϩτλΠϓ)Ͱݕূ͢Δ ொதͰΛ͔͚ͯΠϯλϏϡʔ͢Δ GoogleϋϯάΞτͰΠϯλϏϡʔɺϢʔβʔ ςετ͢Δ UXੳࢧԉπʔϧΛ࡞Δ ʮԾઆݕূͯ͠Δ࣌ؒۚͳ͍ʯ ͷରࡦ
ϫΠϠϑϨʔϜ ϖʔύʔϓϩτλΠϓ Ұຕֆ ΠϝʔδϜʔϏʔ ϥϯσΟϯάϖʔδ ΠϯλϏϡʔ ʮԾઆݕূͯ͠Δ࣌ؒۚͳ͍ʯ ͷରࡦᶃ ίʔυΛॻ͔ͣʹݕূ͢Δ
ϓϩμΫτίʔυʹࠐ·ͳ͍ ը໘্ͷҰ෦ɺҰຕֆɺͳͲͰ͝·͔͢ ෦͚ͩͰςετͯ͠அ͢Δ(Ұൠެ։͠ͳ͍) ಈ͔ͳ͍ॴςετ࣌ʹิઆ໌͢Δ ςετΛॻ͔ͳ͍ ʮԾઆݕূͯ͠Δ࣌ؒۚͳ͍ʯ ͷରࡦᶄ खൈ͖ίʔυ(ϓϩτλΠϓ)Ͱݕূ
࣌ؒతʹ༨༟͕͋Δঢ়ଶͷਓʹΛ͔͚Δ(ެԂ Ͱͭ͘Ζ͍ͰΔਓͱ͔) ΞʔϦʔΞμϓλʔͦ͏ͳਓʹΛ͔͚Δɻ ʮ(͋ͳ๊͕͍ͨ͑ͯΔ)ͷ࣮ଶௐࠪͰ͢ʯ ϝϞாΛͬͯௐࠪһͬΆ͘͢Δɻ 1ͰͳͲͱ͔͚ͯ͠ɺͳ่͠͠ͰԆ͢ɻ ʮԾઆݕূͯ͠Δ࣌ؒۚͳ͍ʯ ͷରࡦᶅ ொதͰΛ͔͚ͯΠϯλϏϡʔ͢Δ
100ԁγϣοϓͰॻըελϯυ(?)ࣗ࡞ Pocket WifiͱiPodTouchΛ༣ૹ iPod TouchͰϢʔβʔͷखݩΛதܧ GoogleϋϯάΞτͰΠϯλϏϡʔɺϢʔβʔ ςετ͢Δ
σϞ ʮԾઆݕূͯ͠Δ࣌ؒۚͳ͍ʯ ͷରࡦᶇ UXੳࢧԉπʔϧΛ࡞Δ
৽نࣄۀ/ελʔτΞοϓݴΘΕͨͷΛͦͷ··࡞ͬͯ9ׂࣦ ഊ͢Δ Ϗδωε͕ޭ͠ͳ͚Εɺ୭ͤʹͳΕͳ͍ ։ൃऀϦϯελͰɺاըʹߩݙ͠ɺޭΛ͛͠Α͏ ϦϯελಋೖٴͼɺίετԽͷϊϋҰ෦Λհ ·ͱΊ
ʮϦϯελCafe(Ծ)ʯͱ͍͏ษڧձΛاըத ࣮ࡍʹϦϯελΛͬͯΈ͍ͯΔਓϝΠϯର ࣮ࡍͬͯΈͯɺ͔ͬͨ͠ࣄɺ͔Βͳ͔ͬͨࣄɺࣦഊͨ͠ࣄɺ ͯ͠Έͨࣄɺ͔ͬͨࣄɺ͏·͍ͬͨ͘͜ͱɺͦ͏͍͏ͷΛ ʮ͓ޓ͍ʹʯใަ͢Δ ͱͬͯ؇͍ʹ͍ͨ͠ͱࢥͬͯ·͢ ڵຯ͋Δํɺੋඇ͔͚ͯԼ͍͞! ࠷ޙʹࠂᶃ − ϦϯελCafe(Ծ)
−
UXੳࢧԉγεςϜɺڵຯ͋Δํɺ͓͕͚Լ͍͞ɻ ΑΖ͚͠ΕɺΞΧϯτൃߦɺOEMఏڙͳͲக͠·͢ɻ ࠷ޙʹࠂᶄ − UXੳࢧԉγεςϜ −